Bislang konzentrierte sich das Anlegerinteresse an KI auf die hohen Renditen von Tech-Aktien. Doch könnten die durch ChatGPT bekannt gewordenen großen Sprachmodelle (LLMs) auch bei der Aktienauswahl helfen? Kann KI-gestützte Technologie aktiven Anlegern einen Vorteil verschaffen, und welche Auswirkungen hat das auf passive Anleger?
Technologie-Wellen haben die Finanzbranche immer wieder verändert. Maschinelle Analysen historischer Handelsdaten helfen Fonds seit den Pionierleistungen von Jim Simons in den 1980er Jahren, unterbewertete Wertpapiere und replizierbare Handelspatterns zu identifizieren.
Fortschrittliche Aktien-Screening-Apps sind für Privatanleger leicht verfügbar. Indexfonds selbst, von einfachen Trackern bis zu exotischsten Themen-ETFs, wurden durch Rechenleistung erst möglich.
LLMs bringen jedoch etwas Neues: die Fähigkeit, menschliche Intelligenz durch Synthese und Interpretation riesiger Datenmengen zu simulieren. Vermögensverwalter führen die erste Generation von KI-Systemen ein, die disparate Informationen verarbeiten können, um gewinnbringende Trades zu identifizieren. Dazu gehören Finanzberichte, Wirtschaftsstatistiken, politische Entwicklungen, Marktstimmung, Bewegungen von Containerschiffen, Website-Traffic von Unternehmen, Gerichtsverfahren und sogar Wettervorhersagen.
JPMorgan's eigene 'LLM Suite'-KI unterstützt Research-Analysten beim Schreiben, bei der Ideenfindung und beim Zusammenfassen von Dokumenten durch den Zugriff auf Drittanbieter-Modelle.
'Truffle Sniffer', ein KI-Tool des Spezialisten für Prozessfinanzierung Legalist, analysiert Zivilklagen, um attraktive Investitionsziele zu identifizieren. Es scannt Gerichtsakten, Richter, Klageklassen und Vorabentscheidungen, um Aktien zu kennzeichnen, die von bestimmten Ergebnissen profitieren könnten.
Einige Firmen führen 'agentische' KI-Systeme ein, die Aktien nach vorgegebenen Anlagestilen auswählen. Anstatt wie Warren Buffett täglich fünf bis sechs Stunden mit der Lektüre von Finanzdokumenten zu verbringen, können Anleger KI die Datenanalyse rund um die Uhr übernehmen lassen. So spürt sie 'Diamanten im Rohformat' mit starken Fundamentaldaten und Wachstumspotenzial auf, die der große Mann mühsam finden musste.
Der KI-gestützte LQAI ETF von SoftBank-gestütztem Qraft Technologies kann bereits Aktien auswählen und monatliche Bestandsberichte autonom erstellen.
Leistungsstarke KI-Systeme sind nicht nur für finanzstarke Fondshäuser verfügbar. Viele Privatanleger nutzen heute ChatGPT, um Aktien zu finden und Due Diligence zu betreiben. Mit Fragen zur Unternehmensgeschichte, aktuellen Aktivitäten, Finanzen und Presseberichterstattung kann das kostenlose Tool Anlage-Narrative für bestimmte Unternehmen erstellen und mögliche Aktienentwicklungen aufzeigen.
Tatsächlich sind Privatanleger derzeit möglicherweise eher in der Lage, KI zu übernehmen als Finanzdienstleister, die die Nutzung von Kunden-Chatbots auf Servern von Drittanbietern scheuen, da dies Datenschutzbestimmungen verletzen könnte.
KI auf dem Prüfstand
Eine Studie der University of Chicago mit dem Titel 'Financial Statement Analysis with Large Language Models', die Anfang dieses Jahres veröffentlicht wurde, lieferte faszinierende akademische Beweise für die Fähigkeit von ChatGPT, professionelle Analysten zu übertreffen.
Die Forscher speisten das System mit Bilanzen und Gewinn- und Verlustrechnungen von über 15.000 Unternehmen aus den Jahren 1968 bis 2021. Jede Bilanz und jede Rechnung wurde von Daten und Firmennamen bereinigt und enthielt nur die üblichen zweijährigen Daten. Informationen über die längerfristige Unternehmensgeschichte wurden nicht gegeben.
Das Tool wurde dann aufgefordert, wirtschaftliche Narrative zu verfassen, die Gewinnveränderungen vorhersagen. Selbst mit diesen spärlichen Informationen lag die Genauigkeit des Modells bei 60 % im Vergleich zu 57 % bei menschlichen Vorhersagen. Dies deutet laut der Studie darauf hin, dass die LLMs ohne 'narrative oder branchenspezifische Informationen die Finanzanalysten bei der Vorhersage von Gewinnveränderungen übertreffen'.
Die Forschung baut auf früheren Studien auf, die zeigen, dass Computermodelle den durchschnittlichen Analysten bei der Vorhersage kurzfristiger Gewinne übertreffen können. Extrapolationen über relativ kurze Zeiträume spielen den Stärken der Maschine in die Hände, da sie Regeln und Regressionen folgen und menschliche Verzerrungen ignorieren kann, die durch reichhaltigere Informationen gefördert oder bestätigt werden.
Überraschender war vielleicht die Fähigkeit des Modells, Alpha generierende Long- und Short-Portfolios auf Basis der Unternehmen zu erstellen, für die es signifikante Gewinnveränderungen prognostizierte. Seine Testportfolios übertrafen den breiten Aktienmarkt um 37 Basispunkte (bps) pro Monat auf kapitalisierungsgewichteter Basis und um 84 bps auf gleichgewichteter Basis.
Die vorläufigen Ergebnisse deuteten darauf hin, dass 'Handelsstrategien, die auf den Vorhersagen von GPT basieren, eine höhere Sharpe Ratio und Alphas erzielen als Strategien, die auf anderen Modellen basieren'. Die starke Performance bei gleichgewichteten Portfolios zeigte, dass das Modell ein kompetenter Value-Investor war, der die Gewinne kleinerer Aktien gut prognostizieren konnte.
Es ist wichtig zu beachten, dass sich das Modell auf kurzfristige Gewinnprognosen konzentrierte. Das Verständnis langfristiger Gewinnentwicklungen hat mehr mit feinen Urteilen über schwer fassbare Themen zu tun, die nicht einfach extrapoliert werden können – die strukturellen Vorteile von Unternehmen angesichts sich ändernder wirtschaftlicher, kultureller, technologischer und politischer Bedingungen, die Abwägung von Risiko und Rendite über lange Zeiträume.
Die Fähigkeit der KI, diese Art von Denken zu leisten, wird ein echter Test für ihre Behauptung sein, menschliche Intelligenz nachzuahmen. Bedenken hinsichtlich der Grenzen von LLMs wurden bereits durch ihre Neigung zu 'Halluzinationen' hervorgehoben, d. h. die Erzeugung falscher Inhalte durch Übersehen von Informationen, die ein Mensch bemerkt hätte.
Eine aktuelle Studie der Stanford University über die Antworten von drei modernen generativen KI-Modellen auf 200.000 juristische Anfragen ergab, dass Halluzinationen 'weit verbreitet und beunruhigend' waren. Auf spezifische, überprüfbare Fragen zu zufälligen Bundesgerichtsverfahren halluzinierte ChatGPT 3.5 in 69 % der Fälle.
Vielleicht sind solche Tendenzen inhärente Merkmale der Technologie selbst und keine Fehler, die einfach behoben werden. Generative KI-Modelle sind probabilistische Maschinen, die darauf trainiert sind, die statistisch wahrscheinlichste Antwort zu geben. Wie Menschen generalisieren sie vom Besonderen, aber ohne menschliche Kontingenzen wie gesunden Menschenverstand, Kontext, Nuancen oder Schlussfolgerungen. Trainiert auf Altdaten ist unklar, wie Modelle auf Black-Swan-Ereignisse antizipieren und reagieren könnten.
Die harte Logik des passiven Investierens
Was auch immer ihre letztendliche Kapazität sein mag, KI ist ein weiteres wertvolles Werkzeug im Arsenal des erfahrenen aktiven Anlegers. Unklar ist jedoch, welche Auswirkungen sie auf seine passiven Gegenstücke hat.
Die Logik des Indexinvestierens bleibt bestehen. Der Index repräsentiert die Rendite des durchschnittlichen Anlegers. Per Definition kann nicht jeder Fondsmanager den Markt schlagen. Fondsmanager konkurrieren um begrenztes Alpha, egal ob sie KI nutzen oder nicht.
Wenn der Einsatz von KI immer weiter verbreitet ist, werden die von ihr hervorgehobenen Aktien Kaufaufträge auslösen, die ihre Preise in die Höhe treiben und den Vorteil aufzehren. Neue Technologie macht die Preisbildung von Vermögenswerten nur genauer und erschwert es, den Index zu schlagen.
Dies könnte eine willkommene Konsequenz für passive Anleger haben. Da der Markt immer effizienter wird, werden Fonds verstärkt auf niedrigere Gebühren zur Differenzierung setzen.
Investoren, die bereit sind, die Arbeit zu leisten, die erfolgreiche aktive Anleger schon immer leisten mussten, werden durch den intelligenten Einsatz von KI belohnt. Für den Rest von uns bleiben die Fundamentaldaten, die den anhaltenden Erfolg des Indexinvestierens bestimmen.
Justin Reynoldsist freier Journalist und Herausgeber des Blogs 'The Patient Investor'
